Abstract EN:

La première transformation considérée est basée sur les méthodes dites de champs de forces, dérivées des méthodes à base de potentiels. Nous proposons en particulier une approche heuristique favorisant les mouvements de translation afin de limiter les phénomènes de blocage du robot. La totalité des problèmes n'étant pas résolus, nous nous sommes alors intéresses a une deuxième catégorie d'outils de synthèse de transformations~ : la logique floue. Les expériences réalisées nous ont permis de constater que les problèmes rencontres sont similaires à ceux des champs de forces. La seconde partie du manuscrit est dédiée à l'utilisation en robotique de techniques issues de l'apprentissage automatique en contrôle. Nous nous sommes plus particulièrement intéresses a deux grandes catégories d'approches : le supervise et le renforce. Après avoir rappelé les contraintes propres à la robotique qu'un algorithme d'apprentissage choisi doit être en mesure de gérer, nous avons proposé dans le cadre de l'apprentissage supervise l'utilisation d'un réseau de neurones de type {\em Grow and Learn} couple a une analyse en composantes principales des données capteurs. Nous avons ensuite propose un nouvel algorithme d'apprentissage de règles floues pouvant être utilise dans le cadre d'une approche de type {\em Adaptive Heuristic Critic} en apprentissage renforcé